中國省際碳足跡廣度、深度評價及時空格局

鄭德鳳,劉曉星,王燕燕,呂樂婷

遼寧師范大學城市與環境學院, 大連 116029

以全球變暖為主要特征的氣候變化已成為人類社會面臨的嚴峻挑戰,減少溫室氣體排放和踐行低碳發展已成為世界各國共識[1]。中國正經歷著快速城市化和工業化,能源消費引起的碳排放一直處于高位狀態,另外森林、草地等陸地生態系統面積縮減引起碳吸收能力降低,導致碳排放與碳吸收之間的關系失衡,碳循環系統承受著巨大的生態壓力。中國高碳排放居于全球首位,這無疑給中國的減排責任分攤帶來了巨大的國際壓力,中國承諾到2020年將單位國內生產總值的碳排放較2005年削減40%—45%。在此背景下,明確各區域碳排放對生態環境的影響規模和需求對于實施差別化減排、增強生態系統固碳能力有重要的理論意義和實踐意義。

碳足跡是國內外普遍認可的評估碳排放強度和氣候變化的研究方法[2]。碳足跡是在生態足跡的基礎上提出的,表征人類活動碳排放對自然系統的壓力程度[3]。國際上對碳足跡主要有兩種理解：一種是將碳足跡視為人類活動過程中排放的溫室氣體總量[4],即碳排放量；另一種是將碳足跡視為吸納人類活動過程中排放的溫室氣體所占用的生態生產性土地面積[5- 6]。迄今為止,國內外學者針對碳排放和碳足跡相關問題進行了大量研究,研究角度、研究對象、研究尺度和研究方法多種多樣。有從產品[7- 8]、家庭[9- 10]、行業[11-13]、土地利用[14]、區域[15]、國家[16]等不同尺度的研究,有從消費視角和生產視角的研究[17-18],也有對直接碳排放和間接碳排放的研究[19]。碳足跡的研究方法常見的有投入產出法[20]、生命周期法[21]和IPCC計算方法[22]。Zhang等[23]基于生命周期分析法(LCA)對中國不同區域糧食生產的碳足跡進行估算,并分析了碳匯和控制碳排放的重要因素；Sommer等[24]采用成熟的宏觀經濟投入產出模型以5組家庭收入核算了歐盟27國的私人消費碳足跡,結果顯示出一種相對的脫鉤效應：收入最高群體在收入上的份額遠遠大于其在碳足跡的份額,反之亦然；Man等[25]基于投入產出分析揭示了澳大利亞建筑業的總碳足跡并確定主要貢獻的供應鏈、行業和產品；Chen等[26]構建了多尺度的全球多區域投入產出模型(MRIO)來描述中國五大城市和澳大利亞五大城市之間的跨國城市碳足跡網絡；王鈺喬等[27]采用生命周期法核算了中國小麥和玉米生產碳足跡,并基于不同的種植面積和化肥農藥施用量設置4種情景模擬分析了小麥和玉米的碳足跡；姚亮等[28]借助EORA數據庫,基于投入產出的生命周期評價法并結合結構分解、截面分析等方法系統深入研究中國居民家庭消費碳足跡的總量、組成、貢獻因素及未來變化趨勢；石敏俊等[20]、龐軍等[29]基于MRIO模型,結合生命周期法測算了中國各省區碳足跡及省際間碳轉移情況；李伯華等[30]以南岳衡山為例,運用生命周期理論構建景區旅游交通碳足跡計算模型,對不同交通方式的碳足跡及其影響因素進行了分析；趙榮欽等[31]基于IPCC給定的能源凈發熱值和碳排放系數等,構建了能源消費碳排放模型,并對中國不同產業空間的碳排放強度和碳足跡進行了研究。

縱觀現有的研究成果,碳足跡領域已經取得了一定進展,但尚存在一些不足,關于區域碳足跡的研究大多學者主要聚焦于人類活動產生的碳排放,其無法刻畫碳排放與碳匯之間的平衡關系,若將碳足跡和碳生態承載力相結合研究可較好地解決這一問題；另外,傳統的碳足跡模型盡管能夠體現區域碳赤字或碳盈余情況,一定程度上反映了碳排放對生態系統所造成的壓力,但卻無法評估碳赤字在區域本底生態系統的空間累積效應,而在生態足跡研究領域為解決生態赤字的累積效應,Niccolucci等[32]提出三維生態足跡概念,通過足跡廣度和足跡深度這兩個指標區分了自然資本流量和存量,基于此,本文借鑒生態足跡三維模型試圖將碳足跡的研究向縱深擴展。本文以2000—2016年中國30個省區的終端能源消費數據和土地利用數據為數據源,核算碳排放和碳匯情況,在此基礎上進一步將碳足跡、碳生態承載力和碳生態赤字相結合,引入碳足跡廣度、碳足跡深度兩項指標并對其內涵進行了界定,旨在區分吸納碳排放所占用的自然資本流量、存量,可為碳足跡相關領域的研究提供新方法,以中國各省市為例的實證分析結果亦可為制定碳減排和生態可持續發展相關政策提供參考和借鑒。

1 研究方法與數據來源

1.1 研究方法

1.1.1碳排放計算模型

由于化石能源消耗是造成碳排放的主要原因,因此本文僅采用各省能源平衡表中的終端能源消費量核算區域碳排放,所包含的能源消費賬戶有原煤、洗精煤、焦炭、焦爐煤氣、原油、汽油、煤油、柴油、燃料油、液化石油氣、煉廠干氣、天然氣等12項。參照國際通用及公認的IPCC方法[33]核算碳排放,其計算公式為：

(1)

式中,CE為能源消費的碳排放總量(t)；Qei為第i種能源的終端消費量(t或m3)；Sei為第i種能源的標準煤折算系數(kg/kg),來自中國能源統計年鑒；Dei為碳排放系數,采用IPCC碳排放計算指南的給定值[33]：原煤、洗精煤(0.7559),焦炭(0.8550),焦爐煤氣(0.3548),原油(0.5857),汽油(0.5538),煤油(0.5714),柴油(0.5921),燃料油(0.6185),液化石油氣(0.5042),煉廠干氣(0.4602),天然氣(0.4483)。

1.1.2碳匯計算模型

在不同的土地類型中,農田生態系統吸收的碳在收割季會被分解到大氣中,其是否有凈吸收量和吸收量大小存在一定爭議,故本文僅考慮森林和草地的碳匯功能,兩者碳吸收能力合計為93%[34]。區域碳匯計算公式[17]如下：

CS=Af×NEPf+Ag×NEPg

(2)

式中,CS為森林和草地的碳吸收總量(t)；Af為區域森林面積(hm2),Ag為區域草地面積(hm2)；NEPf和NEPg為全球森林和草地的固碳能力,采用謝鴻宇的研究成果分別為3.8096 t/hm2、0.9482 t/hm2[34]。

1.1.3碳足跡、碳生態承載力、碳生態赤字計算模型

本文將碳足跡視為碳排放的生態足跡,即吸納碳排放量所需占用的生態生產性土地面積。凈生態系統生產量(net ecosystem production, NEP)反映植被對碳的凈吸收能力,代表1 hm2植被一年的固碳量,利用NEP可實現能源消費的碳排放量與碳足跡之間的轉化。碳足跡計算公式[17]：

(3)

(4)

CED=CEF-CEC

(5)

式中,CEF、CEC、CED分別為能源消費的碳足跡、碳生態承載力、碳生態赤字(hm2)；Pf和Pg分別為全球森林和草地的碳吸收比例,分別為82.72%、17.28%[34]。從模型維度看,傳統碳足跡屬于二維模型,碳足跡可由碳生態承載力和碳生態赤字相加得到。

1.1.4碳足跡廣度、深度計算模型

森林和草地作為吸納化石能源燃燒排放的二氧化碳關鍵的自然資本,按其屬性可區分為森林、草地自然資本存量和流量。本文借鑒三維生態足跡模型[35],通過引入碳足跡廣度和碳足跡深度這兩項指標分別刻畫吸納碳排放所占用的流量資本和存量資本。碳足跡廣度定義為在碳生態承載力范圍內實際占用的生態生產性土地面積,表征吸納碳排放所占用的自然資本流量,強調碳匯土地資源的有限性；碳足跡深度定義為碳生態赤字背景下吸納1年的碳排放量理論上所需占用的土地面積倍數,表征吸納碳排放所消耗的自然資本存量,強調碳排放與碳匯之間的不同步性。當流量資本不足以消納年際碳排放量,存量資本將被作為補存而消耗。在碳生態赤字情況下,盡量擴大流量資本占用,減少存量資本消耗,是緩解碳循環系統生態壓力和增強生態持續性的有效途徑。參照三維生態足跡的相關研究[36],推導出區域碳足跡廣度、深度(三維指標)的計算公式：

CEFsize=min(CEF,CEC)

(6)

(7)

式中,CEFsize為區域碳足跡廣度(hm2),0CEC,CEFdepth>1,表征區域流量資本已無法滿足碳匯需求,需動用存量資本。由方愷等[36]的研究可知,碳足跡廣度、深度可分別視為圓柱體的底面和柱高,碳足跡可由這兩個指標相乘得到,屬于三維模型。

碳足跡廣度和深度與傳統的碳足跡相比：通過模型增維,將碳排放所占用的流量資本和存量資本進行區分,刻畫了碳赤字在區域本底生態系統的累積效應；克服了以往單純憑借碳赤字或碳足跡評價區域生態持續性的局限,且強調了吸納碳排放所消耗的存量資本對生態持續性的影響；不僅關注碳匯土地的有限性,還關注碳排放和碳匯之間的不同步性,賦予了其更豐富的生態學內涵。

1.2 數據來源

本文選取的終端能源消費數據來源于《中國能源統計年鑒》(2000—2017年),土地利用數據來源于自然資源部的土地調查成果共享應用服務平臺(2009—2016年)、全國土地利用變更調查報告(2000—2003年)和《中國統計年鑒》(2001—2017年)。

2 結果與分析

2.1 碳足跡和碳生態承載力

通過公式(1)—(4)計算出2000—2016年中國及各地區的碳足跡和碳生態承載力(圖1—2),為體現公平性,本文采用“人均碳足跡和人均碳生態承載力”進行分析。

圖1 2000—2016年中國碳足跡和碳生態承載力時間變化趨勢Fig.1 The changing trend of carbon footprint and carbon ecological capacity in China from 2000 to 2016

圖2 2000—2016年中國各地區平均碳足跡和碳生態承載力Fig.2 The average carbon footprint and carbon ecological capacity in 30 provinces of China from 2000 to 2016

由圖1可知,研究期內中國碳足跡總體呈波動上升趨勢。其中2000—2013年中國碳足跡經歷了一個明顯上升的過程,由0.173 hm2/人升至0.434 hm2/人,表明能源消費產生的碳排放對生態環境施加的壓力持續增加；2013—2016年中國碳足跡呈小幅下降趨勢,到2016年降至0.396 hm2/人,表明碳排放造成的生態壓力有所緩和,這可能是得益于產業結構優化升級、低碳能源用量增加、能源利用效率提高和節能減排政策的實施。研究期內中國碳生態承載力呈波動下降態勢,由0.321 hm2/人變動至0.337 hm2/人又下降至0.301 hm2/人。自2008年起,中國碳足跡超過碳生態承載力,出現碳生態赤字,生態生產性土地面積已無法完全補償能源消費產生的碳排放,2008年補償率為95%,到2016年補償率僅為76%。

從2000—2016年各地區的平均碳足跡、平均碳生態承載力來看(圖2),碳足跡排名前五的是寧夏、內蒙古、山西、上海和天津,高碳足跡主要集中于煤炭資源豐富及人口、經濟密集地區；碳足跡排名后五的是江西、廣西、海南、安徽和四川,這些區域由碳排放造成的生態壓力相對較低。碳生態承載力較大的地區是青海、內蒙古、新疆、黑龍江和云南,主要集中于森林、草地面積廣闊地區；上海、江蘇、天津、山東和河南等碳生態承載力較小。由2000—2016年各地區的平均碳生態赤字還可得知,出現碳生態赤字的地區有15個,按降序排序依次是上海、天津、寧夏、河北、山西等地區,上海碳生態赤字為全國之最,達0.566 hm2/人；碳生態盈余的地區有15個,青海最大(3.255 hm2/人),內蒙古(1.625 hm2/人)位居其次。

2.2 碳足跡廣度和碳足跡深度

2.2.1碳足跡廣度

結合碳足跡和碳生態承載力的計算結果,利用公式(6)測算出2000—2016年中國各地區的碳足跡廣度,采用自然斷點法對碳足跡廣度進行梯度劃分并保證各時間斷面劃分閾值一致,選取2000年、2008年、2016年和17年的平均值進行空間化制圖,以便探討碳足跡廣度的空間分布格局(圖3)。

圖3 2000—2016年中國省際碳足跡廣度Fig.3 The carbon footprint size in 30 provinces (districts) of China from 2000 to 2016

中國碳足跡廣度計算結果顯示,2000—2007年中國碳足跡廣度與碳足跡關聯,數值由0.173 hm2/人升至0.321 hm2/人；自2008年出現碳生態赤字后,碳足跡廣度與碳足跡脫鉤并與碳生態承載力掛鉤,數值由0.329 hm2/人波動下降至0.301 hm2/人,這一階段吸納碳排放所占用生態生產性土地面積已達自然資本流量的上限且自然資本流動性不斷降低。

由圖3可知,碳足跡廣度受森林和草地資源空間分布的影響,高值區主要集中于西北、西南和東北地區,按平均碳足跡廣度排名依次為內蒙古、新疆、青海、吉林、貴州、陜西、黑龍江等,這7個地區碳足跡廣度介于0.288—0.702 hm2/人,合計占全國碳足跡廣度的45%；低值區主要集中于東部沿海,上海、江蘇、天津、山東、河南、北京、安徽、河北等碳足跡廣度較小,這8個地區的碳足跡廣度介于0.003—0.103 hm2/人,合計僅占全國碳足跡廣度的5%；其余地區碳足跡廣度界定為中值區,數值介于0.156—0.285 hm2/人。由圖3還可得知,與2008、2016年相比,2000年碳足跡廣度整體上處于中等和低水平且無高值區,顯示出在此期大多地區吸納碳排放所占用的自然資本流量較低；在不同時間斷面,部分地區碳足跡廣度的空間梯度類型變化較大,新疆、青海、甘肅、內蒙古、陜西、云南、黑龍江等自然資本流量占用尚未達到上限的地區碳足跡廣度增加程度明顯,向高值區變動；北京、河南、廣東、浙江、寧夏等自然資本流量完全占用的地區碳足跡廣度波動減少,向更低的梯度變動。

2.2.2碳足跡深度

利用公式(7)測算出2000—2016年中國各地區的碳足跡深度,并選取2000年、2008年、2016年和17年的平均值繪制碳足跡深度空間分布圖,得到不同時間斷面碳足跡深度的空間分布格局(圖4)。

圖4 2000—2016年中國省際碳足跡深度Fig.4 The carbon footprint depth in 30 provinces (districts) of China from 2000 to 2016

中國碳足跡深度計算結果顯示,2000—2007年碳足跡深度一直處于自然原長1,2008年碳足跡深度(1.04)突破1,表明自2008年以來自然資本流量已不足以補償日益增長的碳排放,需啟用自然資本存量以滿足碳匯需求。2008—2016年碳足跡深度呈先上升后下降趨勢,到2013年碳足跡深度升至1.42,到2016年碳足跡深度降至1.31,自然資本存量消耗持續上升的趨勢得到遏制,此現象反映了碳排放量有所降低的實際情況。研究末期中國需要1.31倍的碳匯土地面積才足以吸納能源消費產生的碳排放,較2008年增長了26%,可見總體上碳排放與碳匯之間的不同步性擴大。

圖4顯示,2000—2016年碳足跡深度始終處于自然原長1的有內蒙古、黑龍江、江西、廣西、四川等10個地區,其余地區森林和草地自然資本存量消耗不盡相同。高碳足跡深度區主要集中于東部和中部部分地區,特別是上海平均碳足跡深度高達298.83,天津、江蘇、山東位居其后,碳足跡深度平均值依次為87.39、57.77、15.58,這些地區碳排放較強而碳匯能力較弱,碳循環系統承受著高度壓力；北京、河北、河南、山西、寧夏碳足跡深度平均值依次為6.30、5.31、4.38、2.90、2.76,吸納碳排放所消耗的自然資本存量相對較高。其余11個地區的碳足跡深度平均值均低于2.6,自然資本存量消耗相對較少,這些地區碳排放較弱而碳匯能力較強,碳生態壓力相對較小。圖4顯示,碳足跡深度空間格局變動情況表現為：浙江、福建、廣東、海南、湖南、貴州由自然原長狀態轉為動用存量資本狀態；北京、河北、山西等9個地區碳足跡深度向更高的梯度變動。從碳足跡深度值的變化看,2016年與2000年相比,江蘇、河北和山東的增長率高達150%以上,其中江蘇碳足跡深度基數較大且變動幅度(279%)也較大,值由22.27變動至84.43,河北的碳足跡深度由初期的第八位升至末期的第五位,值由2.22變動至7.14；北京和福建增長率最小,低于5%；上海和寧夏出現負增長,其中上海碳足跡深度基數大且下降幅度(77%)也較大,其值由843.18降至195.45,由于上海森林和草地面積略微增加而帶來的相對規模效應明顯,使得碳足跡深度大幅回落。

2.3 碳足跡廣度、深度空間自相關分析

2.3.1全局空間自相關分析

為探討碳足跡廣度、深度的空間關聯性,運用GeoDa軟件計算中國30個省市碳足跡廣度、深度的全局自相關Moran′sI指數、Z統計量和顯著性水平P,結果見表1。需要說明的是,個別地區碳足跡深度很高,為使計算數據更加均勻,此處將碳足跡深度取對數處理。

表1 中國碳足跡廣度、深度全局Moran′s I指數

注：表格中的第一列和第二列分別為碳足跡廣度、碳足跡深度的Moran′sI,Z(I)和P

從表1可以看出,除2001、2003年外,其余年份碳足跡廣度全局Moran′sI指數介于0.1814—0.3259之間,通過了5%的顯著性水平檢驗,碳足跡廣度表現為顯著的空間正相關特征；全局Moran′sI指數呈波動變化趨勢,且在研究后期比研究前期大,表明中國碳足跡廣度空間集聚效應有所增強。2000—2016年碳足跡深度全局Moran′sI指數介于0.3061—0.5005之間,顯著性水平為1%,碳足跡深度表現為顯著的空間正相關特征；全局Moran′sI指數整體波動上升,表明中國碳足跡深度空間集聚效應不斷增強。

2.3.2碳足跡廣度局部空間自相關分析

為進一步探討區域內的局部空間集聚特征,根據局部Moran′sI指數和Moran′sI散點圖,得到2000—2016年各省區的空間集聚情況,并選取2000年、2016年繪制碳足跡廣度LISA集聚圖(圖5)。

圖5 中國碳足跡廣度LISA集聚分布圖Fig.5 LISA cluster map of carbon footprint size in China

由圖5可知,碳足跡廣度穩定存在H-H集聚的地區是黑龍江、吉林、內蒙古、甘肅、寧夏、青海和新疆,該類集聚呈帶狀分布于東北和西北地區且向西南地區發展,這些地區森林和草地面積廣闊,依靠自然資本流量可滿足碳匯需求(寧夏除外)。碳足跡廣度穩定存在L-L集聚的地區是北京、天津、山東、江蘇、安徽、上海,主要集中于東部沿海地區且向中部擴散延伸,這些地區森林和草地覆蓋率低,吸納碳排放所占用自然資本流量已達上限且區域可提供的流量資本有下降趨勢。碳足跡廣度H-L集聚和L-H集聚的變化范圍無明顯規律性。碳足跡廣度穩定存在H-L集聚的地區僅貴州一省,貴州碳匯相對較強,后期階段碳匯能力不足以消納碳排放,導致自然資本流量被完全占用,其處于碳足跡廣度高值區。碳足跡廣度穩定存在L-H集聚的地區是廣西,研究期內,廣西碳足跡廣度始終與碳足跡掛鉤,與周圍地區相比,廣西的產業結構層次偏低,能源資源型工業產生的碳排放相對較少,導致自然資本流量占用也較少。2016年與2000年相比,處于空間正相關(H-H集聚和L-L集聚)的省區數量有所增加,中國碳足跡廣度局部空間集聚現象存在增強趨勢,具體地,H-H集聚減弱,L-L集聚增強。

2.3.3碳足跡深度局部空間自相關分析

結合局部Moran′sI指數和Moran′sI散點圖,得到不同時期中國碳足跡深度的局部空間集聚特征,選取2000年、2016年繪制碳足跡深度的LISA集聚圖(圖6)。

圖6 中國碳足跡深度LISA集聚分布圖Fig.6 LISA cluster map of carbon footprint depth in China

由圖6可知,碳足跡深度穩定存在H-H集聚的地區是北京、天津、河北、河南、山東、江蘇、上海,主要集中于部分東部沿海和中部地區,這些地區碳足跡高于碳生態承載力的倍數相對較大,吸納碳排放所消耗的自然資本存量相對較高。碳足跡深度穩定存在L-L集聚的空間范圍較大,有黑龍江、吉林、內蒙古等18個省市,其中吉林、重慶、貴州等8個省市碳足跡深度略大于1,其余10個省市碳足跡深度處于自然原長1,該類地區主要依靠自然資本流量吸納碳排放,而自然資本存量消耗程度低；值得注意的是,L-L集聚鄰接H-H集聚,若L-L集聚地區碳排放持續增加,之后落入H-H集聚區有很大的可能性。碳足跡深度穩定存在H-L集聚的僅寧夏一個地區,寧夏能源資源豐富,在生產過程中能源投入力度大且能源利用處于低效率狀態[37],加之森林、草地稟賦條件也不及周圍地區,因此寧夏與相鄰地區形成碳足跡深度H-L集聚。碳足跡深度穩定存在L-H集聚的地區是浙江,浙江碳足跡深度在全國處于中等水平,由于浙江的工業以輕工業、加工制造業為主,能耗相對少,自然資本存量利用程度相對于周圍地區(如江蘇、上海)較低。2016年與2000年相比,處于空間正相關(L-L集聚和H-H集聚)的地區數量相同,具體地,H-H集聚增強,L-L集聚減弱。

3 討論

比較中國各地區碳足跡廣度和碳足跡深度的空間分布情況,可以發現由碳足跡廣度表征的流量資本占用和碳足跡深度表征的存量資本消耗存在地域互補性,碳足跡廣度低值區大致與碳足跡深度高值區相對應。中國近三分之二的地區碳足跡深度超過自然原長1,導致其大幅消耗存量資本來彌補流量資本的不足。為探討碳足跡廣度和深度在空間上的耦合特征,將各地區碳足跡廣度、深度進行Z-Score標準化,并通過象限圖進行展示,基于圖7標準化碳足跡廣度、深度所在象限不同,本文將中國30個地區碳排放對自然資本的占用情況劃分為四種類型：

圖7 中國標準化碳足跡廣度和深度象限分布Fig.7 Quadrant diagram of standardized carbon footprint size and depth in China

(1) Ⅰ類區域,該類型特點為碳足跡廣度較大,碳足跡深度也較大,吸納碳排放所占用的自然資本流量和存量均較高,碳循環系統壓力較大,生態持續性較弱。屬于該類型的僅寧夏一個省區,其碳生態承載力在全國處于中等水平,但由于其經濟增長對能源資源依賴性大,使得碳排放較大程度上超出了區域碳匯能力,造成自然資本的雙重利用。

(2) Ⅱ類區域,該類型特點為碳足跡廣度小,但碳足跡深度大,吸納碳排放所消耗的存量資本嚴重超前于流量資本,碳循環系統壓力最大,生態持續性最弱。該類型包括上海、天津、江蘇、山東、北京、河北、河南、山西,這8個地區平均碳足跡廣度為0.058 hm2/人,平均碳足跡深度為59.80。

(3) Ⅲ類區域,該類型特點為碳足跡廣度較小,碳足跡深度也較小,吸納碳排放所消耗的存量資本和流量資本均較低,碳循環系統壓力較小,生態持續性較強。該類型包括安徽、重慶、遼寧、浙江、廣東、廣西、海南、江西,這8個地區平均碳足跡廣度為0.170 hm2/人,平均碳足跡深度為1.60。

(4) Ⅳ類區域,該類型特點為碳足跡廣度大,但碳足跡深度小,吸納碳排放所占用的流量資本超前于存量資本,碳循環系統壓力最小,生態持續性最強。該類型包括四川、湖南、湖北、云南、甘肅、福建、黑龍江、陜西、貴州、吉林、青海、新疆、內蒙古,這13個地區平均碳足跡廣度為0.330 hm2/人,平均碳足跡深度為1.05。

由上述可知,基于碳足跡廣度、深度的空間耦合評價結果與傳統的碳足跡相比,碳足跡廣度和深度能以更豐富的內涵解釋生態持續性的性質差異,尤其是后者對可持續的顯著影響。例如：從二維指標看,寧夏、河北、山西、山東17年的碳赤字平均值相似,介于0.35—0.47 hm2/人,居于3—6位,碳排放造成的生態壓力相差不大；從三維指標看,4個省區的碳足跡廣度分別以0.29 hm2/人、0.10 hm2/人、0.21 hm2/人、0.02 hm2/人居于8、23、15、27位,碳足跡深度分別以2.76、5.31、2.90、15.58居于9、6、8、4位,其中河北、山東較小的碳足跡廣度和較大的碳足跡深度揭示了其吸納碳排放以存量資本消耗為主且生態持續性較弱的局面,而寧夏碳足跡廣度和深度排名差距較小,自然資本流量、存量雙重利用,生態持續性強于河北和山東,相對來說山西生態持續性強于河北、山東卻弱于寧夏。因此碳排放與碳匯之間的矛盾在碳足跡三維指標下能得到更直觀的反映,更加明晰了能源消費的碳排放對生態環境的影響規模,可一定程度上彌補傳統碳足跡評估的不足。

還可得知,基于碳足跡廣度、深度的空間耦合評價結果與中國資源稟賦和經濟發展水平的空間格局大致吻合。大多經濟發展水平高、人口密度大的區域碳源很大程度超前于碳匯,加之對生態環境的擾動較劇烈,使得森林、草地向建設用地轉化,生態系統的碳儲量也隨此地表過程而減少,進而導致區域呈碳足跡廣度小、深度大的空間格局；針對此現狀問題,該類區域吸納碳排放應擴大自然資本流量占用,即注重保護或適度擴大森林和草地面積、增強碳匯,此舉措對其碳循環系統壓力的減弱潛力可能會遠大于碳匯能力較強的區域,另外,利用區域的經濟和技術水平優勢,承擔更多的碳減排責任,加大控制碳排放,降低自然資本存量消耗,對于協調區域碳平衡有重要作用。大多經濟發展水平低、人口密度小的區域碳源未超過或微超過碳匯,生態系統固碳能力強,區域呈碳足跡廣度大、深度小的空間格局,該類區域提升改造傳統工業、培育新興產業、轉變經濟發展方式以控制和降低碳排放量,可進一步減弱碳循環系統壓力。

4 結論

本文將能源消費產生的碳排放整合為土地面積量綱,且在碳平衡視角下強調碳排放對于自然資本存量耗竭及生態持續性的影響。研究結果如下：

(1)2000—2013年中國碳足跡經歷了一個明顯上升的過程,但在2013年后出現小幅下降；中國碳生態承載力受森林、草地資源變動的影響,呈波動下降趨勢。碳足跡高值區主要集中于煤炭資源豐富和經濟密集區(如寧夏、上海),碳生態承載力高值區集中于森林、草地面積廣闊地區。

(2)2000—2007年中國碳足跡廣度與碳足跡掛鉤,呈波動上升趨勢,2008年后與碳生態承載力掛鉤,呈波動下降趨勢,自然資本流量已被完全占用且流動性不斷縮小。高值區集中于西北、西南和東北地區,其主要依靠自然資本流量吸納區域碳排放；低值區集中于東部沿海和中部,其流量資本已不足以補償碳排放。

(3)2008年后中國碳足跡深度超過自然原長1,表現為先上升后下降的階段化特征。研究期內碳足跡深度始終處于自然原長1的有內蒙古、黑龍江等10個省區；東部沿海和中部地區的碳足跡深度較高,尤其是上?？蛇_298.83,碳循環系統承受巨大壓力,生態持續性弱。

(4)中國碳足跡廣度、深度具有顯著的空間正相關特征。碳足跡廣度H-H集聚分布于東北和西北地區,L-L集聚由東部沿海向中部擴散；H-H集聚減弱,L-L集聚增強。碳足跡深度H-H集聚集中于中部及東部沿海地區,L-L集聚覆蓋了18個地區；H-H集聚增強,L-L集聚減弱。

本文計算的碳足跡僅考慮了終端能源消費產生的碳排放,由于數據限制,未考慮電力和農村生物質能消費產生的碳排放；計算的碳生態承載力,其中碳凈積累量采用的是全球平均值,而不同區域森林和草地類型、質地存在差異,進而碳凈積累量也有所不同,這些會一定程度上影響計算結果的精度,未來有必要對區域碳足跡和碳生態承載力進行精確核算。另外本文僅評價分析了區域碳足跡廣度、深度的時空格局,對于格局形成的驅動因素和內在機制也有待深入探討。